Hasil Pencarian  ::  Simpan CSV :: Kembali

"Indonesia is one of the developing countries in the world and the access to higher education facilities in this country is quite difficult. Hence, it causes some inequalities in the Gross Enrolment Ratio (GER) distribution. This report will discuss various patterns in the data distributions of the Gross Enrolment Ratio (GER) based on the 34 provinces in Indonesia within the 4 years timeframe.

---

Indonesia adalah salah satu negara berkembang di dunia dan akses mendapatkan pendidikan tinggi di negara ini bisa dibilang cukup sulit. Hal tersebut menyebabkan kesenjangan distribusi angka partisipan pendidikan tinggi. Laporan ini akan membahas berbagai pola distribusi angka partisipan kasar pendidikan tinggi yang dilihat dari 34 provinsi dalam kurun waktu 4 tahun."

"Penelitian ini menggunakan data tahunan antara 2010-2014. Data dianalisis dengan menggunakan DEA. Variabel input yang digunakan adalah jumlah mahasiswa, jumlah program studi, jumlah dosen, jumlah tenaga administrasi, jumlah tenaga penunjang akademik, jumlah tenaga perpustakaan, dan jumlah ruang kuliah, sementara variabel outputnya adalah jumlah pengabdian masyarakat, banyaknya karya tulis, dan jumlah mahasiswa lulus. Hasil studi menunjukkan jumlah perguruan tinggi inefisien fluktuatif selama rentang waktu 5 tahun, namun ada 5 perguruan tinggi yang terus inefisien pada jangka waktu tersebut. Ketika perguruan tinggi pariwisata swasta dikelompokkan berdasarkan provinsi, perguruan tinggi pariwisata negeri berada di peringkat 4 terbawah dari 14, sedangkan saat dikelompokkan berdasarkan kopertisnya, perguruan tinggi negeri berada di peringkat 9 dari 11. Sehingga peneliti menyarankan perlu diperbaiki pengawasan perguruan tinggi pariwisata agar menghasilkan output sesuai dengan hasil yang disarankan oleh perhitungan DEA.

---

This study use yearly data for period 2010-2014. The data analyzed by using DEA. Input variable used are number of students, number of programme, number of teachers, number of administration staff, number of academic support staff, number of librarian, and number of classroom, ouput variable use are number of people service, number of research, and number of graduates. The result show that public tourism higher education and private are fluctuatively changing in relative efficient through the years, but when private touris higher education were classified by province, public tourism higher education ranks 10 0f 14, when private touris higher education were classified by kopertis, public tourism higher education ranks 9 0f 11. therefore the author suggests the ministry of tourism to increase their supervision on public tourism higher education according to DEA result."

"Universitas XYZ merupakan salah satu PTS dalam bentuk universitas yang berlokasi di Tangerang, yang memiliki kewajiban untuk menjamin dan memberikan pendidikan bermutu kepada mahasiswa selaku salah satu pemangku kepentingan yang memiliki dampak secara langsung pada mutu sebuah universitas. LP2MP bertugas untuk menyelenggarakan pengukuran dan pelaksanaan survei setiap semester dalam bentuk survei umpan balik. Hasil survei tersebut dapat dijadikan sebagai pedoman untuk perbaikan yang berkesinambungan untuk penyelenggaraan penjaminan mutu Dikti dan pengelolaan Universitas XYZ. Namun, pengolahan dan pengukuran data survei secara konvensional tidak cukup untuk mengeksplorasi informasi tersembunyi dari survei. EDM digunakan pada penelitian ini untuk mengolah dan menganalisa data dari Universitas XYZ berupa survei bagian Open Ended Question (OEQ) yang terdiri dari Student Feedback Questionaire (SFQ), Facility Satisfaction Questionaire (FSQ), dan Graduate Feedback Questionaire (GFQ).Tujuan dari penelitian ini adalah untuk mendukung pengambilan keputusan dalam mengambil tindakan proaktif terhadap perbaikan mutu Universitas XYZ. Penelitian ini melakukan klasifikasi label aspek, sentimen analisis, dan tren topik survei SFQ, FSQ, dan GFQ pada bagian OEQ. Klasifikasi label aspek Multi Class survei SFQ memilih model klasifikasi terbaik dengan membandingkan hasil evaluasi accuration, precision, recall, dan F1-Score terhadap setiap kombinasi fitur dan perbandingan empat algoritma klasifikasi yaitu Decision Tree (DT), Naïve Bayes (NB), K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Klasfikasi label aspek multi label survei FSQ dan GFQ memilih model klasifikasi terbaik dengan membandingkan hasil evaluasi tiga jenis library multilabel dari SciKit-Learn, yaitu Binary Relevance (BL), Label Power Set (LPS), dan Classifier Chain (CC) terhadap setiap kombinasi fitur dan empat algoritma klasifikasi tersebut.Hasil dari penelitian ini adalah teknik klasifikasi menggunakan kombinasi fitur TFIDF, Unigram, dan Bigram dengan algoritma SVM merupakan model klasifikasi terbaik untuk pelabelan aspek survei SFQ. Teknik klasifikasi menggunakan kombinasi fitur TFIDF, Unigram, dan Bigram dengan algoritma SVM dan library Multi Label CC merupakan model klasifikasi terbaik untuk pelabelan aspek survei FSQ. Teknik klasifikasi menggunakan kombinasi fitur Count Vectorizer, Unigram, dan Bigram dengan algoritma NB dan library Multi Label BR merupakan model klasifikasi terbaik untuk pelabelan aspek survei GFQ. Selain itu, algoritma SentiStrenghtID digunakan untuk mendapatkan sentimen dan algoritma LDA digunakan untuk mendapatkan tren topik tahunan pada setiap label aspek survei SFQ, FSQ, dan GFQ.

---

XYZ University is one of the universities in the form of universities located in Tangerang, which has an obligation to guarantee and provide quality education to students as one of the stakeholders that has a direct impact on the quality of a university. LP2MP is tasked to carrying out measurements and implementation of feedback every semester in the form of surveys as one part of quality control directly to stakeholders. The results of the surveys can be used as a guideline for continuous improvement in the implementation of Dikti quality assurance and management of XYZ University. However, conventional processing and measurement of feedback data are not enough to explore hidden information from surveys data. EDM was used in this research to process and analyze data from XYZ University in the form of Student Feedback Questionaire (SFQ), Facility Satisfaction Questionnaire (FSQ), and the Graduate Feedback Questionaire (GFQ) in the Open-Ended Question (OEQ) section.

The purpose of the research is to support decision making in taking proactive actions towards improvement for self-evaluation and quality of XYZ University. This research carried out label aspect classification, analytical sentiment, and trends in the survey topics SFQ, FSQ, and GFQ in the OEQ section. Multi- class aspect label classification SFQ will choose the best classification model by comparing the results of the evaluation of accuracy, precision, recall, and F1-score for each feature combination and comparison of four classification algorithms namely Decision Tree (DT), Naïve Bayes (NB), K- Nearest Neighbor (KNN), and Support Vector Machine (SVM). The classification of the multi-label aspects of the FSQ and GFQ survey labels will have the best classification model by comparing the evaluation results of three multilabel library types from SciKit-Learn, namely Binary Relevance (BR), Label Power Set (LPS), and Classifier Chain (CC) to each combination of features and four classification algorithms.

The results of this research are Classification Techniques using a combination of features of TFIDF, Unigram, and Bigram with the SVM algorithm which is the best Multi Class classification model for labeling aspects of the SFQ survey. Classification techniques use a combination of TFIDF, Unigram, and Bigram features with the SVM algorithm and the Multi-Label library CC is the best Multi-Label classification model for labeling aspects of the FSQ survey. Classification techniques using a combination of Count Vectorizer, Unigram, and Bigram features with the NB algorithm and the Multi-Label library BR are the best Multi-Label classification models for labeling aspects of the GFQ survey. In addition, the SentiStrenghtID algorithm can be used to get sentiments and the LDA algorithm can be used to get annual topic trends on each survey aspect label SFQ, FSQ, and GFQ.

"

"[ABSTRAKPenelitian ini bertujuan mempelajari determinan yang mempengaruhi pemilihantipe institusi pendidikan tinggi dengan menggunakan data Susenas tahun 2012.Variabel jenjang, beasiswa, memiliki akses internet, rasio biaya pendidikanterhadap pengeluaran rumah tangga dan biaya transportasi mempengaruhi secarasignifikan partisipan dalam memilih tipe institusi pendidikan tinggi. Hasilpenelitian menunjukkan bahwa partisipan yang memiliki akses internet, penerimabeasiswa, memiliki rasio biaya pendidikan terhadap pengeluaran rumah tanggadan biaya transportasi lebih tinggi serta berjenjang Diploma memilikikecenderungan untuk memilih Perguruan Tinggi Swasta (PTS).ABSTRACTThis research aims to study the determinants influencing the selection of the typeof higher education institution using the 2012 Indonesia National Survey. Thelevel of education, usage of internet, scholarships, ratio the cost of education tothe household expenses and transportation costs significantly influenceparticipants of high education in selecting the type of higher education. Theresults showed that participants with internet access, receives scholarship, has aratio of the cost of education on household spending and higher transportationcosts has a tendency to choose Private Owned University (PTS).;This research aims to study the determinants influencing the selection of the typeof higher education institution using the 2012 Indonesia National Survey. Thelevel of education, usage of internet, scholarships, ratio the cost of education tothe household expenses and transportation costs significantly influenceparticipants of high education in selecting the type of higher education. Theresults showed that participants with internet access, receives scholarship, has aratio of the cost of education on household spending and higher transportationcosts has a tendency to choose Private Owned University (PTS)., This research aims to study the determinants influencing the selection of the typeof higher education institution using the 2012 Indonesia National Survey. Thelevel of education, usage of internet, scholarships, ratio the cost of education tothe household expenses and transportation costs significantly influenceparticipants of high education in selecting the type of higher education. Theresults showed that participants with internet access, receives scholarship, has aratio of the cost of education on household spending and higher transportationcosts has a tendency to choose Private Owned University (PTS).]"

"Studi ini mengkaji pembentukan jaringan sosial yang terjadi pada institusi pendidikan tinggi atau universitas. Studi sebelumnya membahas mengenai jaringan sosial yang didapatkan oleh anggota institusi pendidikan melalui dua aspek, yaitu aspek sekolah, dan kampus sebagai institusi, dan aspek inisiatif anggota institusi itu sendiri. Selain kedua aspek tersebut, peneliti berargumen bahwa jaringan sosial bisa didapatkan melalui hubungan antara teman sepermainan (peer group) di kampus. Dengan kata lain, jika seseorang berteman dengan kelompok peer group yang memiliki jaringan sosial yang lebih luas, maka orang tersebut akan mengalami perluasan jaringan sosial dari peer groupnya. Jaringan yang didapat melalui kelompok teman sepermainan kemudian membentuk dua jaringan yang berbeda: jaringan internal kampus, dan jaringan eskternal ke luar kampus. Studi ini melihat perkembangan jaringan sosial mahasiswa yang sedang mengikuti perkuliahan. Peneliti menggunakan pendekatan kualitatif dengan metode wawancara mendalam pada studi kasus di Universitas Indonesia. Hasil penelitian menunjukkan bahwa jaringan sosial juga dapat dibentuk atau diperluas melalui peran dari peer group atau kelompok teman sebaya. Peran kelompok teman sebaya ini dapat dilihat dari 3 aspek penting yaitu interaksi antar anggota kelompok teman sebaya, interaksi anggota kelompok teman sebaya dengan orang lain yang berada di luar kelompok teman sebayanya, dan kegiatan dari masing-masing kelompok teman sebaya.

---

This research is studying the formation of social networks in higher educational institution or university. Previous studies tend to explain that the member of educational institution can acquire by two aspects: school, and campus as institution aspect, and member initiative itself aspect. Beside all of those two, researcher argue that social networks can be acquired from the relation of peer group in campus. In other words, if someone make friends with peer group that have wider social networks, then that person may have wider social networks from the influence of peer group. Social networks that acquired from the relation of peer group can form two different networks; campus internal networks, and campus external networks.

This research sees the development of social networks from student who studying in campus. This research uses qualitative approach with in-depht interview methods, case study in Universitas Indonesia. Findings of this research show that social networks can be formed or can be expanded from the relation of peer group. The role of peer group can be seen from three aspects; the interaction between member of the peer group, the interaction between the member and other people, and the activities of the peer group itself."

"Indonesia adalah negara dengan peringkat keempat di dunia dalam segi jumlah populasi, dan salah satu negara yang paling rawan bencana. Salah satu bencana yang dihadapi saat ini adalah pandemi COVID-19, yang sangat berdampak pada perguruan tinggi di seluruh tanah air. 834 dari institusi perguruan tinggi terpaksa beralih ke platform pembelajaran online namun tidak siap. Mempelajari faktor kesiapsiagaan mereka dapat bermanfaat untuk bencana lainnya di masa depan yang mungkin terjadi karena negara ini merupakan bagian dari Ring of Fire. Kesiapsiagaan direpresentasikan lebih baik dibawah istilah resiliensi. Resiliensi adalah kemampuan sistem untuk bertahan dari sebuah gangguan besar dan kemampuannya untuk pulih dalam jangka waktu yang dapat diterima. Sebuah sistem dinyatakan resilien jika sistem tersebut mampu melanjutkan kegiatan operasional dengan baik pada saat menghadapi peristiwa yang dianggap bencana. Penelitian ini mencoba untuk menemukan faktor-faktor yang berkontribusi terhadap resiliensi krisis untuk institusi perguruan tinggi. Metode Analytical Hierarchical Process (AHP) digunakan untuk mensintesis data yang didapat berdasarkan sejumlah pakar, mulai dari yang merupakan rektor universitas hingga yang merupakan penguji di Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Hasilnya menunjukkan bahwa 50 kriteria merupakan bagian dari ketahanan institusi perguruan tinggi, dimana kriteria tersebut dibagi kedalam 6 dimensi berbeda. Dimensi "informasi" lah yang memiliki bobot paling tinggi dalam skala kepentingan.

---

Indonesia is the fourth most populated country in the world, and one of the most prone to disasters. One of the disasters faced is the global COVID-19 pandemic, which heavily affects higher education institutions (HEIs) throughout the nation. 834 of them are forced to switch to online learning platforms but are unprepared. Studying the factors on their preparedness can be beneficial for future disasters that may occur as the country is part of the Ring of Fire. The preparedness is represented under the term resilience. Resilience is a system’s ability to survive a major disruption and recover within an acceptable time frame. A system is resilient if it is able to continue its operations in the face of an event considered to be disastrous. This research attempts to find the factors that contribute to the crisis resilience of HEIs. The analytical hierarchical process (AHP) is used to synthesize data based on several experts, ranging from university rectorates to being an assessor at the National Accreditation Board for Higher Education (BAN-PT). The result shows that 50 criterions are part of HEI resilience divided across a total of 6 dimensions and that the dimension of “information” weights the highest in terms of importance."

"Penelitian ini bertujuan untuk menganalisis dampak Program Indonesia Pintar (PIP) terhadap partisipasi pendidikan tinggi para penerimanya. Penelitian ini menggunakan data dari Survei Sosial Ekonomi Nasional (Susenas) 2022 dan Potensi Desa (Podes) 2021. Propensity Score Matching (PSM) dipilih sebagai metode penelitian. Setelah proses penyesuaian untuk mengatasi selection bias, dilakukan perbandingan antara penerima dan non penerima PIP. Dari hasil penelitian, dapat disimpulkan bahwa penerima PIP memiliki probabilitas yang lebih tinggi untuk melanjutkan ke pendidikan tinggi, terutama bagi individu dari keluarga miskin. Temuan ini konsisten dengan pemahaman bahwa bantuan sosial memiliki pengaruh positif terhadap partisipasi pendidikan tinggi.

---

This research objective is to analyze the impact of Program Indonesia Pintar (PIP) towards its recipients' higher education enrollment. The study employs data from National Socioeconomic Survey (Susenas) 2022 and Village Potential (Podes) 2021. For this research, Propensity Score Matching (PSM) is the chosen method where after an adjustment process to deal with the selection bias, a comparison will be made between recipients and nonrecipients of PIP. From the research result, it can be inferred that PIP recipients have a higher probability to enroll in a higher education institution especially for individuals from poor households. The finding is consistent with the understanding that social assistance has a positive influence towards higher education enrollment."

"Tujuan pendidikan nasional Indonesia adalah memberikan pendidikan yang berkualitas bagi seluruh rakyat. Evaluasi sistem e-learning menjadi penting. Tujuan dari penelitian ini adalah untuk mengkonsolidasikan aspek multi-dimensi evaluasi e-learning dengan menerapkan BSC sebagai metode pengukuran strategis. Studi ini selanjutnya mencari solusi untuk merancang pendekatan sistematis di mana tiga pertimbangan yang sama pentingnya harus diseimbangkan; organisasi, pedagogis, dan teknologi. Untuk mengidentifikasi ukuran dari masing-masing perspektif, penelitian ini melakukan tinjauan pustaka yang komprehensif dan menggunakan analisis survei. Penelitian ini memperkenalkan kerangka kerja untuk menilai sistem e-learning dengan menggunakan proses hirarki analitik fuzzy (FAHP) dan BSC, hasilnya mengusulkan integrasi langkah-langkah pedagogis, organisasi dan teknis berdasarkan kerangka kerja BSC.

---

The aim of Indonesia's national education is to provide quality education for all people. Evaluation of the e-learning system is important. The aim of this study is to consolidate the multi-dimensional aspects of e-learning evaluation by applying the BSC as a strategic measurement method. This study further seeks a solution to designing a systematic approach in which three equally important considerations must be balanced; organizational, pedagogical, and technological. In order to identify the size of each perspective, this study conducted a comprehensive literature review and used survey analysis. This study introduces a framework for assessing e-learning systems using a fuzzy analytical hierarchy process (FAHP) and BSC, the results suggest an integration of pedagogical, organizational and technical measures based on the BSC framework."

"Indonesia merupakan negara yang berfokus terhadap percepatan sektor pendidikan dalam gagasan cita-cita nya menjadi negara maju. Salah satu cara mencapai percepatan tersebut adalah dengan meningkatkan angka partisipasi pendidikan tinggi. Studi ini berupaya mengetahui perubahan pengaruh Kondisi Sosial Ekonomi dan Latar Belakang Keluarga yang memengaruhi peluang partisipasi perguruan tinggi di Indonesia setelah adanya pandemi Covid-19. Dengan model Ordinary Least Square (OLS) menggunakan data SUSENAS, ditemukan adanya perubahan pengaruh kondisi sosial ekonomi dan latar belakang keluarga terhadap angka partisipasi perguruan tinggi setelah adanya Pandemi Covid-19.

---

Indonesia is a country that focuses on accelerating the education sector with the idea of becoming a developed country. One way to achieve this acceleration is to increase the enrollment rate in tertiary education. This study seeks to discover the changes in the influence of Socioeconomic Conditions and Family Background that have affected opportunities for tertiary participation in Indonesia after the Covid-19 pandemic. With the Ordinary Least Square (OLS) model using SUSENAS data, it was found that there was a change in the effect of socioeconomic conditions and family background on tertiary enrollment rates after the Covid-19 Pandemic."